Upstage Solar 2

• 1. 概要 （共 272 字）

  「Upstage Solar 2」是产品速递信息流对该产品的命名口径，对应韩国 AI 公司 Upstage 的第二代旗舰大语言模型 Solar Pro 2（310 亿参数，2025 年 7 月正式发布）。它用不到头部前沿模型一半的参数，在 Artificial Analysis 智能指数上拿到 58 分、跻身全球前十「前沿模型」，也是唯一上榜的韩国模型。截至 2026 年，Upstage 已推出更新的 Solar Pro 3（1020 亿参数的 MoE 模型），本报告的「Solar 2」按信息流命名指代第二代 Solar 代际，参照此前「Hailuo AI 视频 2」「Fireworks 2」的处理方式。

• 2. 产品背景 （共 398 字）

  Upstage 由金成勋（Sung Kim）于 2020 年 10 月在韩国创立，核心团队出自 Naver 的 Clova AI 部门——金成勋曾任 Clova 创始负责人、香港科技大学教授，CTO 李铉锡与美区 CEO 朴 Lucy 分别来自 Clova 的视觉与 NLP 团队。公司走 B2B 优先路线，主力产品是 Solar 系列 LLM 与文档智能引擎 Document Parse，客户包括三星、韩华保险、英特尔，以及多家美国大型保险公司，在韩国私有 LLM 市场份额约 35%，年营收增速超过 130%。   融资节奏很密。2025 年 8 月完成 4500 万美元 B 轮过桥融资（KDB 韩国开发银行、亚马逊、AMD 参投），累计融资约 1.57 亿美元；2026 年 4 月再获 1800 亿韩元 C 轮，估值突破 1 万亿韩元，成为韩国首家生成式 AI 独角兽；2026 年 5 月韩国国民成长基金又批准 5600 亿韩元（约 4 亿美元）直接股权投资，是该基金首次注资软件公司。公司已在筹备 KOSPI 上市。

• 3. 产品功能与使用体验 （共 495 字）

  Solar Pro 2 是 310 亿参数的小语言模型（sLLM），上下文 64K，采用 Upstage 标志性的「深度扩展」（Depth Up-Scaling，DUS）方法——把两个预训练模型沿深度轴堆叠并裁剪微调，源自 2023 年底爆红的 SOLAR 10.7B 论文。它在单张 GPU 上就能高效推理，这是相对需要多卡集群的前沿模型最实在的部署优势。   模型提供两种可切换模式：「Chat 模式」直接快速应答，「Reasoning 模式」走 Chain-of-Thought 做结构化多步推理，在数学、代码、逻辑类任务上明显更强。它还是个 agentic 模型，能自己调用外部工具完成多步任务——给一句「调研竞品最近三个月的产品发布和营销动作，生成带新闻链接的演示文稿」，它会自主联网搜索、分析、产出 PPT 文件，从规划到交付全程少干预。   韩语是它真正的长板。在 Ko-MMLU、Hae-Rae、Ko-IFEval、Arena-Hard-Auto 等基准上，它持平甚至超过体量大得多的顶尖模型，在 Ko-Arena-Hard-Auto 上达到 GPT-4、Claude 3 同一水平，并能处理法律、金融、医疗等韩语专业领域。英语、日语也有不错表现。

• 4. 定价与商业模式 （共 403 字）

  Solar Pro 2 通过 Upstage Console 以 API 形式提供，官方定价为输入 0.15 美元/百万 Token、缓存输入 0.015 美元/百万、输出 0.6 美元/百万（不含 10% 增值税），与更新的 Solar Pro 3 同价。轻量的 Solar Mini 为 0.15 美元/百万。   付费采用承诺档（Commitment tiers）预付费：Explore（100 美元/月起，赠送 10% 额度，Solar Pro 2 限流 30 次/秒）、Build（500 美元/月，15%，50 次/秒）、Scale（5000 美元/月，20%，80 次/秒），年付再省 20%。教育、医院、非营利机构可经 AWS AI Initiative 免费使用 Solar Pro 与 Document Parse 最长一年。对合规严苛的客户，还支持 AWS Marketplace、私有云（VPC）与本地化部署（on-prem），按量或定制报价。整体是典型的「企业级 API + 私有部署」双轨变现。

• 5. 用户评价 （共 344 字）

  正面反馈集中在韩语场景与工程落地。韩国保险、金融客户看重它处理保单、理赔、合同等复杂文档的准确性，以及单卡可部署带来的成本可控。开发者喜欢 OpenAI 兼容接口的低迁移成本，以及在韩语指令遵循、长文档理解上优于同体量开源模型。英特尔、三星等将其嵌入自身 AI 基础设施，也侧面印证了企业口碑。   负面与保留意见主要来自通用能力。Artificial Analysis 上 Solar Pro 2 的「非推理版」在指令遵循（IFBench 仅 0.337）和数学（Math Index 30）维度偏弱，复杂英文创意写作、开放式推理不如 GPT-4o、Claude 等一线模型；作为闭源模型，它不公开权重，社区无法自托管微调，与完全开放权重的Solar 早期版本形成反差。不少用户认为它更像「韩语企业专属引擎」而非通用聊天对手。

• 6. 行业评价 （共 454 字）

  业内最硬的背书是 Artificial Analysis 智能指数 58 分——超过 GPT-4.1（53）、GPT-4o（41）、LLaMA 4 Maverick（51）、Kimi-K2（57.59）、DeepSeek V3（53），跻身全球前十前沿模型，也是榜单里唯一的韩国模型。Grok-4 据称参数高达 1.7 万亿，Solar Pro 2 用 310 亿参数逼近其智能表现，被媒体称为「小模型也能领导行业」的范本。CB Insights 将其列入 2025 年 AI 100。   更关键的是政策层面的认可。2026 年韩国主权 AI 计划中，评审第一条标准就是「原创性」——要求权重与训练数据可追溯到自研。Naver 的 HyperCLOVA X SEED 因视觉编码器与 Qwen 2.5 余弦相似度 99.51% 被淘汰，Upstage 凭从随机初始化权重训练、完整可追溯的日志通过，拿下 4 亿美元国家直接股权投资。金成勋在 2025 年底「Solar Open 疑似抄袭中国模型」的质疑中，干脆直播公开完整训练日志与检查点自证，最终对方道歉——这反而为韩国 AI 原创性标准立了范本。

• 7. 争议与风险 （共 316 字）

  最大争议即上述「原创性质疑」。2025 年末 Solar Open 被指只是微调了某个中国模型，而非从零自研；金成勋直播验真、公开全量训练日志，质疑者公开道歉。事件把「什么叫从零自研」摆上台面，最终监管以「随机初始化权重 + 完整训练可追溯」作为原创标准，SK Telecom、Naver 也都因此被追问。   商业风险在于夹缝定位。它既面对 OpenAI、Anthropic 等 API 巨头，又面对 DeepSeek、Qwen 等开放权重阵营，闭源且参数中等的策略在「价格战 + 开源化」双重挤压下需要靠韩语与垂直行业壁垒防守。此外模型训练数据截止 2025 年 3 月，知识时效性落后于同期前沿模型；依赖韩国本土政策与资本红利，若 IPO 节奏因市场波动推迟，估值叙事会承压。

• 8. 适用人群与使用建议 （共 274 字）

  适合：以韩语为核心场景的企业（保险、金融、医疗、制造）做文档自动化与智能客服；需要单卡或私有化部署、对数据主权敏感的业务；想用较低成本拿到接近前沿推理能力的团队。不适合：追求顶级英文通用创作与开放式推理的消费者；需要自托管权重做深度微调的研究者；纯多模态（图像/语音）需求方——Solar Pro 2 仅支持文本。   替代方案上，通用英文优先可看 GPT-4o、Claude；要开放权重看 DeepSeek、Qwen；韩语且要更新代际则可看 Upstage 自家的 Solar Pro 3（1020 亿 MoE，2026 年 1 月发布，128K 上下文，更强 agentic 与推理）。

• 9. 总结 （共 119 字）

  Solar Pro 2 是「用工程效率换前沿性能」的韩国样本：310 亿参数、单卡可跑、韩语霸榜、企业级落地扎实，靠 DUS 方法和透明自证在资本与政策两端都拿到了信任票。它未必是通用最强的那一个，但在韩语企业市场里，是当下最值得认真考虑的选项之一。

暂无深度报告

• 

  DDavis

  —

  最惊艳的是它能自己联网搜资料再顺手生成一份带链接的 PPT，给老板做竞品月报直接省了半天活。代价是输出偏啰嗦，token 烧得比预期快，建议管好 prompt 长度，别让它自由发挥太狠。

---

• 

  莲花294

  —

  性价比 yyds。

---

• 

  AnnWeber

  —

  AA 智能指数 58，跟 GPT-4.1 一个段位却只有 310 亿参数，这参数效率确实离谱。

---

• 

  Joe_Bailey_2024

  —

  韩语是真的强，吊打同尺寸开源模型。

---

• 

  TOmoo

  —

  保险行业的朋友在用它的文档解析，上百页的理赔材料秒级出结构化字段，人工核对量直接砍掉大半。

---

• 

  xSibelBecht_x

  —

  韩国之光。

---

• 

  SDavis520

  —

  非推理版指令遵循有点拉，复杂 agent 流程还是老老实实开推理模式吧。

---

• 

  realJefferyNichols_2024

  —

  上下文 64K，长文档摘要和合同审阅够用了。

---

• 

  AngelaHernandez_Plus734

  —

  单张 H100 就能跑，这不比堆八卡香？

---

• 

  Billy_Mitchell_202358

  —

  Reasoning 模式解数学和代码题确实稳，但要记得开 reasoning_effort，不然默认走的还是快答。

---

• 

  逍遥_5

  —

  闭源这点有点劝退，想自部署还得谈商务授权。

---

• 

  许贞然

  —

  tokenizer 优化后韩语任务能省两到三成 token，调用量大了真能省钱。

---

• 

  Russell_Phillips_77048

  —

  0.15 刀输入、0.6 刀输出每百万 token，比一线闭源便宜一截，量大的中小团队能省不少。

---

• 

  Jesse.Cox_2024

  —

  我们团队把 Solar Pro 2 接进了韩语客服系统，回复的连贯性比之前用的开源模型明显好，英文一般但够用。

---

• 

  秋叶_12

  —

  对比了一圈，Solar Pro 2 在 Ko-MMLU、Hae-Rae 这些韩语基准上基本是第一梯队，跟 GPT-4、Claude 3 在韩语对抗测试里也打得有来有回。英语和中文就普通了，拿它做韩国市场业务很合适，通用聊天还是 GPT 更顺。我们做的是跨境电商的韩文客服，换上之后转写和问答的准确率肉眼可见上去了。

---

• 

  SAjam

  —

  严格说 Solar Pro 2 不是开源权重，想本地微调基本没戏，只能走官方 API 或私有云部署。对想完全掌控数据的公司，这点和 DeepSeek、Qwen 比是个硬伤；但我们是金融场景、合规要求高，反而更放心把数据留在自己机房里跑。

---

• 

  LisaMiller

  —

  用 langchain-upstage 接的，几行代码就能跑多轮对话和 RAG，Groundedness Check 还能校验回答有没有瞎编。小团队想快速验证韩语场景，这个套件挺省心，不用自己造轮子。就是文档例子偏少，踩坑得看源码。

---

• 

  AdamAlvarez_66

  —

  Upstage 拿了韩国 4 亿美元国家投资、还成了首个生成式 AI 独角兽，加上 Solar Pro 2 挤进全球前沿前十，韩国这次是真支棱起来了。不过模型知识截止到 2025 年 3 月，问最新时事和当月新闻会露怯，生产环境记得加检索兜底。

暂无评论